一种基于数据偏差与训练偏差的跨域自适应目标检测方法

本发明涉及人工智能技术领域，尤其涉及一种基于数据偏差与训练偏差的跨域自适应目标检测方法，包括：基于Clean检测器和Pseudo检测器，构建去偏双检测头模型；基于类嵌入引导的跨域真值实例对齐算法，对去偏双检测头模型进行优化处理，获得优化去偏双检测头模型；构建优化去偏双检测头模型的总体损失函数，获得完整去偏双检测头模型。通过任务解耦的方式分别处理源域标注数据与目标域伪标签数据，提高了跨域目标检测的稳定性与泛化能力；引入可训练的类别嵌入向量，增强了模型对稀有类别的检测能力；构建多损失协同的跨域优化目标函数，增强了模型对领域不变特征的学习能力，为复杂跨域场景下的检测任务提供理论与实践支撑。